基于亚6GHz信道的深层学习THz信道估计与波束赋形预测
信号处理
2024-11-26 v1 人工智能
摘要
高效信道估计对于帮助THz通信系统实现其全部潜力至关重要。传统的上行信道估计方法，如最小二乘估计，对于THz系统而言实用上效率低下，因为计算开销大。本文提出了一种基于卷积神经网络（CNN）的高效THz信道估计器，该估计器利用上行亚6GHz信道估计THz信道因子。进一步，我们使用估计的THz信道因子预测从给定码book中选择的最优波束赋形器。我们不仅摆脱了传统方法导致的开销，还通过所提出的波束赋形器预测器实现了接近最优的频谱效率。所提出的方法还优于基于深度学习的波束赋形器预测器，后者接受THz信道矩阵作为输入，从而证明了亚6GHz方法的有效性和效率。
引用
@article{arxiv.2411.15589,
title = {Deep Learning for THz Channel Estimation and Beamforming Prediction via Sub-6GHz Channel},
author = {Sagnik Bhattacharya and Abhishek K. Gupta},
journal= {arXiv preprint arXiv:2411.15589},
year = {2024}
}
备注
Published: 2022 IEEE International Conference on Signal Processing and Communications (SPCOM 2022)